wertorientierte kunden-gewinnung
Werbung
EFFECTIVE ACQUISITION WERTORIENTIERTE KUNDEN-GEWINNUNG CLOUDSPACE ANALYTICS | 1 Wir machen aus Daten Wachstumsperspektiven und Wettbewerbsvorteile. Mit ihren oft traditionellen Instrumentarien und Ansätzen fällt es Unternehmen immer schwerer, profitable Angebote zu kreieren, zu kommunizieren und an lohnende Zielgruppen zu vertreiben. Unternehmen analysieren hierzu Daten – nicht immer produktiv und nicht immer relevant für das Management. Berater unterstützen Entscheidungsträger – nicht immer durch Analysen abgesichert, da hierzu oft spezifische Fähigkeiten fehlen. Agenturen erstellen ansprechende Kampagnen – nicht immer leisten diese jedoch einen entscheidenden Beitrag für die profitable Entwicklung des Unternehmens. Erfolgreiche, marktorientierte Unternehmensführung beginnt aber mit dem Tiefenverständnis von Zusammenhängen in Kombination mit dem Verständnis der Branchendynamik und der Umsetzung operativer Best Practices. Cloudspace Analytics unterstützt Unternehmen mit seiner Expertise, aus Daten Erkenntnisse zu gewinnen, die aus Kunden einzigartige, nachhaltig profitable Erlösquellen machen. Wir bieten Beratungsleistungen rund um marktorientierte Unternehmensführung. Abgesichert durch fortgeschrittene Analysen. Unser Leistungsspektrum reicht von der Analyse und Strategieentwicklung bis zur Umsetzung und Management des Wirkbetriebs. Dabei vereinen wir das Wissen von Nutzen und Nutzung von Datenmodellierung, Marketingwerkzeugen, -maßnahmen und -medien. Unsere Lösungen werden fortdauernd genutzt und entwickeln auf Basis eines reibungslosen Betriebs nachhaltige Relevanz und profitables Wachstum. 2 || CLOUDSPACE Cloudspace Analytics ANALYTICS Vorwort H ändler machen mit den besten 1% ihrer Kunden oft 30 mal mehr Gewinn als ihre Kunden im Durchschnitt bringen. Es ist daher Ziel jeder Neukundenkampagne, den Anteil wertvoller Kunden zu erhöhen. Konsumenten mit hohem Customer Lifetime Value zu akquirieren. Viele Unternehmen betrachten daher die Neukundengewinnung zu Recht als „Kauf profitabler Kunden zu einem guten Preis“. Profitables Wachstum und ein gesunder Kundenstamm werden heute Order für Order mit einer mehrstufigen, effektiven Direct-Response-Werbung erzielt. Sie kann genau gemessen und optimiert werden. Für viele Händler ist jedoch das genaue Verständnis der akquirierten Kundenwerte eine unüberwindbare Hürde. Mit Big Data und Predictive Analytics sind längst erprobte Ansätze vorhanden, Neukundengewinnung im Handel wesentlich effektiver zu gestalten. Sie bieten Möglichkeiten für besseres Targeting oder passendere Ansprachen und Angebote und unterstützen Händler insgesamt, die richtigen Interessenten schneller zu dauerhaft wertvollen Kunden zu machen. Aber auch ohne eine große Organisation, den ungewissen Umbau der Agenturbeziehungen oder den Aufbau teurer Demand-Side Platforms können Händler ihr Online-Targeting mit Insights aus Kauf- und Besucherdaten wesentlich verbessern. Sie können Predictive Analytics gezielt nutzen, um mit richtigem Budgeteinsatz die richtigen Interessenten mit passenderen Angeboten anzusprechen, die Wahrscheinlichkeit eines Sofortkaufs zu erhöhen und möglichst viele Folgekäufe zu initiieren. Im stationären Geschäft sind diese Methoden hilfreich, um den Rückstand zu den Personalisierungstechniken, Ad-Targeting und anderen Vorteilen der Online-Händler entscheidend zu verkürzen. CLOUDSPACE ANALYTICS | MAI 2015 Inhalt 5 Zusammenfassung 6 Wertgenerierung in der Kundengewinnung 8 Die maximalen Ausgaben für Neukunden 10 Die genauen Kanalvorgaben 11 Targeting der richtigen Audiences Cloudspace Analytics Predicitve Modelling Fundamentals 14 Die passenden Angebote 15 Die optimale Budgetaufteilung zwischen Kundengewinnung und -bindung 17 Fazit 19Smart|Acquisition 4 | CLOUDSPACE ANALYTICS Zusammenfassung D as erfolgreiche Ansprechen der richtigen Zielgruppe mit einem überzeugenden Angebot ist eine wichtige Grundlage für den Erfolg im Einzelhandel. Dieses Cloudspace Analytics Whitepaper zeigt auf, wie Händler die Effektivität ihrer Kundenakquisitionsstrategien mit erweiterten Analysen auf die nächste Stufe bringen können. Die richtigen Kunden Bereits bei der Neukundengenerierung wird die Grundlage für einen profitablen Kundenbestand gelegt. Das Verständnis wertvoller Kunden und der Vorhersage ihres Lebenswertes ist für alle weiteren marktorientierten Entscheidungen die zentrale Größe. Die richtigen Ausgaben je Kanal Die Abschätzung der maximalen Ausgaben für jeden Akquisitionskanal ist entscheidende Richtschnur bei der Optimierung der Allokation von Neukundenbudgets. Die richtigen Audiences Besseres Targeting und die Optimierung der Maßnahmen in jedem Akquisitionskanal mit fortgeschrittenen predictive Modelling verbessert Performance entscheidend und hilft, den gesamten Multi-Channel-Mix besser zu orchestrieren. Die passenden Angebote Mit „next-best-offer“- und „next-best-action“-Modellen können Quantensprünge bei Personalisierung der Ansprache erzielt werden. Die optimale Aufteilung von Neu-/Bestandskundenbudgets Simulationen können schon vor der endgültigen Zuordnung von Marketingbudgets ermitteln, mit welchen Marketingplänen die größten Gewinne erzielt werden können und womit das profitable Kundenportfolio am besten aufrechterhalten werden kann: Akquisition oder Bindung. CLOUDSPACE ANALYTICS | 5 Wertgenerierung in der Kundengewinnung D as Ziel jedes Einzelhändlers ist, die richtigen Kunden in ausreichender Menge möglichst günstig zu akquirieren sowie einen möglichst großen profitablen Kundenstamm aufrecht zu erhalten. Dieser muss dann so gepflegt werden, dass das profitable Wachstum des Geschäfts nachhaltig unterstützt wird. Ohne Kunden, die ausreichend große Kundenlebenswerte (Customer Lifetime Value - CLV) generieren, kann das nicht gelingen. Viele Händler sehen sich bei der Investition signifikanter Budgets in die Neukundengewinnung mit zwei wesentlichen Herausforderungen konfrontiert: Kampagne die profitabelsten Kunden gebracht hat. Erst durch Einbeziehung des CLV in die ROI-Berechnungen, findet man die beste Kombination effektiver Kampagnen, die helfen, profitable Kunden zu gewinnen. Neukunden-ROI auf Erstkaufbasis ROI = Erstumsatz - 1 Akquisitionsausgaben CLV-gesteuerter Neukunden-ROI ROI = CLV - 1 Akquisitionsausgaben Zum einen ist die Akquisition neuer Kunden kein einfacher Job, bei dem es nur darum geht, neue Käufer in ausreichender Menge zu erwerben. Die Qualität zählt mindestens ebenso. Denn Investitionen in Einmalkunden oder „schlechte“ Kunden, welche die in sie investierten Budgets nicht erwirtschaften, sind ungesund für das Geschäft. Dies ermöglicht, alle weiteren Maßnahmen zur Conversion Rate Optimization (CRO) und Kundenwertsteigerung zu priorisieren. Hier gibt es zwei verschiedene Ansätze: Die zweite Herausforderung liegt darin, dass der CLV über sämtliche Quellen variiert. Die traditionelle Berechnung des Return on Investment liefert hierfür kein ausreichend genaues Bild, weil es die Einnahmen allein auf Basis der ersten Transaktion bildet und eben nicht das gesamte Wertpotenzial des Kunden berücksichtigt. Das macht es auch unmöglich zu bestimmen, welche Predictive Den Akquisitionsdaten werden statistisch errechnete Schätzwerte für den künftigen Lebenswert zugeordnet. Dies erlaubt eine unmittelbare Kanalbewertung, ohne Folgekäufe abwarten zu müssen. Bessere Kanalbewertung mit CLV-Betrachtung 6 | CLOUDSPACE ANALYTICS Histrorisch Hierfür müssen alle zurechenbaren Marketingkosten erfasst werden. Diesen Marketingdaten müssen die Bestell- und Kundendaten eindeutig zugeordnet werden. Primäre Marketing-Ziele im Einzelhandel Kostengünstige Akquisition neuer Kunden, die hohe Wertbeiträge erwirtschaften (CLV) Kostengünstige Reaktivierung alter Kunden Erzielung hoher Profite durch effektives Marketing mit profitablen Kunden Wenn der Händler diese Ziele erreicht, verfügt er über einen gesunden Kun.denstamm. Nur möglich, wenn Ziele 1 und 2 erreicht wurden Werden diese zwei Ziele nicht erreicht, wird der Händler ums Überleben kämpfen, produziert mittelmäßige Ergebnisse oder scheitert. Profite sind dann am höchsten, wenn den richtigen Kunden die richtigen Angebote zur richtigen Zeit richtig angeboten werden . Die echte Optimierung der Neukundengewinnungsbudgets gelingt also durch ein Optimum beider Bestandteile von Neukunden-Akquisitionskosten: • Maximal zulässige Akquisitionskosten (Fokus auf schnellen ROI) • Zusätzliche, investive Kundenakquisitionskosten, die der Händler erst im Laufe weiterer Wiederholungskäufe des Kunden wieder einbringt. Welche Vorgaben bezüglich Amortisationszeit oder Verzinsung der Akquisitionsausgaben auch immer angestrebt werden, diese haben direkte betriebswirtschaftliche Auswirkungen. Denn wählt der Einzelhändler eine zu kurze Amortisationszeit, erfordert dies zum einen hohen ROI beim Erstkauf durch hochmargige Produkte oder viele, schnell folgende Wiederholungskäufe bis zum Ende der kurzen Amortisationszeit. Diese Vorgabe deckelt das Wachstumspotenzial aber beträchtlich. Wird auf der anderen Seite eine lange Amortisationszeit gewählt, geht das Wachstum zu Lasten kurzfristiger Gewinne. Was bedeutet dann also ein „guter“ CLV? Die Antwort ergibt sich aus der ROI-Berechnung: „Gut“ bedeutet in diesem Zusammenhang, dass eine Reihe von neu akquirierten Kunden mindestens X% ROI in einem bestimmten Zeitraum produzieren müssen. Der Prozentwert kann variieren, sollte aber nie weniger als die Summe aus den kundenindividuellen Gewinnungs- und Overheadkosten plus Mindestgewinn betragen. Denn Neukunden, die ihren fairen Anteil an zurechenbaren Gewinnungskosten, anteiligen Gemeinkosten und Mindestgewinn nie erwirtschaften, sollten unter dem Strich besser nicht generiert worden sein. CLOUDSPACE ANALYTICS | 7 Die maximalen Ausgaben für Neukunden E in absolutes Muss für Händler ist es, die Akquisitionskosten für jeden Kunden zu erheben und zuzuordnen. Gut dabei ist, wer die Investitionen in die Zuführungskanäle ex post mit den abhängigen CLV bewertet. Exzellent ist, wer für jeden Kunden bereits zum Bestellzeitpunkt den Kundenlebenswert abschätzen kann. Hier kommen Predictive CLV-Modelle auf Kundenebene ins Spiel. Sie versuchen, auf der Basis der Analyse der Transaktionsverläufe und Verhaltensindikatoren von bestehenden Kunden Ähnlichkeiten zu finden, um so für jeden neuen Kunden pro Kanal einen wahrscheinlichen CLV vorauszusagen. Mit ihnen werden wertvolle Kunden früh erkannt und rechtfertigen höhere Invetitionen bei deren Gewinnung. Die Ergebnisse der Predictive CLV können ohne großen technischen Aufwand in vorhandene Kanalmanagement-Strukturen integriert werden und bei Bedarf später automatisiert oder in das Real Time Advertising eingebaut werden. Modellierungen des Predictive-CLV sind ein wenig komplexer und gelingen nicht mit Web-Analyse-Tools, wie Google Analytics oder Coremetrics. Auch wenn dort Kennzahlen, wie Lifetime Individual Visitor Experience (LIVE) angeboten werden, fehlen doch wichtige Daten zur Berechnung des CLV, wie etwa der Marge und wichtige Erkenntnisse aus dem Kundenportfolio. Akquisitionsrate Kundenwert im ersten Jahr Der prognostizierte Kundenwert gibt die optimalen Akqisitionskosten vor 8 | CLOUDSPACE ANALYTICS Kosten der Neukundengewinnung/CAC Customer Lifetime Value in der Neukundenakquisition Versteht man Kunden als Betriebsvermögen sind die Akquisitionskosten wichtiger Teil des dynamischen Investitionsmodells des Handelsunternehmens. Die Kunden-Cash-Flows entwickeln sich in verschiedenen Kundengruppen stark unterschiedlich. Effektive Neukundenakquisition muss all diese Aspekte berücksichtigen. Frühzeitiges Abschätzen des Customer Lifetime Value für ... CLV = Marge x Retention Rate – CAC 1 + ( Discount Rate - Retention Rate) Customer Akquisition Costs Höhere wahrscheinliche CLV rechtfertigen höhere CAC Kürzere Amortisationszeiten und kleinere CAC-Budgets für schlechtere Kunden CAC Payback Profit ... bessere kanalspezifische Vorgaben Profit ... bessere Chancen beim bidding Churn CAC Churn CAC CAC Payback Das hier gezeigte vereinfachte CLV-Modell impliziert pro Periode konstante Margen, konstante Retention-Rates und eine konstante Discount Rate sowie einige hier nicht vertiefte Annahmen. Marge: Ergebnis nach Abzug der variablen Kosten einschließlich Retention Discount Rate: gewichteter durchschnittlicher Kapitalkostensatz (WACC) CLOUDSPACE ANALYTICS | 9 Die genauen Kanalvorgaben U m die „richtigen“ neuen Kunden zu gewinnen muss „richtig“ erst einmal definiert werden. Hierzu dient eine Aufteilung des Kundenstamms nach Einkaufsfreude, Wert und Preisempfindlichkeit in einfach handhabbare Segmente. Diese Methode ist auf die langfristige Wertschöpfung ausgerichtet. Händler sollten die Ziele ihrer Neukundengewinnung klar formulieren “Der Schwerpunkt unserer Neukundenstrategie ist es, wünschenswerte, neue Kunden, deren anhaltende Kaufaktivitäten Profite zur Deckung der ursprünglichen Akquisitionskosten zuzüglich eines Wertbeitrages von mindestens X% der Akquisitionskosten generieren, und für Erreichen von kundenspezifischen break-even höchstens y Monate benötigen. Wir beseitigen gleichzeitig Akquisitionsausgaben, die unerwünschte neue Kunden generieren.” Um solche strategischen Vorgaben zur Neukundengewinnung umzusetzen, sind einige Detaillierungen nötig. Hier liefern die Liquiditätsrahmenbedingungen gute Entscheidungshilfen: • Amortisationszeit = 0 Ausschließlich akute Liquiditätssorgen des Händlers rechtfertigen auch Vorgaben zur Erzielung sofortiger Gewinne aus der Neukundenakquisition. 10 | CLOUDSPACE ANALYTICS • Amortisationszeit < 1 Jahr Sollten Händler hingegen ausreichend kapitalisiert sein, ist eine Amortisationszeit von maximal einem Jahr besser. • Amortisationszeit = 1-3 Jahre Für Unternehmen, die auf profitables Wachstum und langfristige Überlebensfähigkeit abzielen, sollten die Akquisitionskosten bei ausreichender Liquidität innerhalb der ersten drei Jahre erwirtschaftet werden. • Amortisationszeit = 3-5 Jahre Ein drei- bis fünf-Jahres-Investitionshorizont rechnet sich hingegen ausschließlich für marktführende, große Händler. Eine bessere Umsetzung der Kundenwertstrategie gelingt duch Vorgaben zur Amortisationszeit auf Kundensegmentbasis: • Amortisationszeit = 0 Probierkunden • Amortisationszeit < 1 Jahr Selektive Kunden • Amortisationszeit = 3 Jahre Power Shopper Nach Ablaufen der Amortisationszeit sollte der Händler weitere CLV-bezogene Entscheidungen im Bestandskundenmanagement treffen. Nur auf diese Art werden Kunden mit einer gesamthaft erfolgreichen CLV-Strategie behandelt. Targeting der richtigen Audiences V iele Händler wollen wissen, wer kaufen wird und wer nicht. Responsiveness – also die Neigung auf eine Kampagne zu reagieren, ist sicher eine wichtige Planungsgröße. Aber Marketing nur auf kaufbereite Konsumenten zu fokussieren ist weniger gut als auf Konsumenten zu zielen, die genug Geld ausgeben werden, um angemessenen Profit innerhalb eines angemessenen Zeitraums zu erwirtschaften. Akquisitionsquellen mit vergleichsweise niedrigeren Response-Raten, die aber gleichzeitig höhere Gesamtumsätze erzielen, können besser sein, als Kanäle mit höheren Response-Raten und niedrigeren Umsätzen: Denn erstens bedeuten höhere Umsätze meist niedrigere Marketingkosten als Anteil des Umsatzes und somit eine bessere kurzfristige Profitabilität. Zweitens bedeuten höhere durchschnittliche Bestellwerte meist auch höhere Kundenqualitäten, die mit einiger Wahrscheinlichkeit mehr künftigen Wert erzielen. Viele Händler performen jedoch unter ihren Möglichkeiten, weil ihr gesamter Marketing-Ansatz ausschließlich auf der Verfolgung eines Ziels ausgelegt ist: Die Response-Raten zu maximieren. Eine einfache aber wirksame Verbesserung liegt in der Hinzunahme von Modellen, die helfen, den Erfolg einzelner Faktoren in der Neukundengewinnung vorherzusagen. jeden Kanal spezifischen Modelle können dann zu einem Aggregat – auch ökonometrisches Modell genannt – zusammengefasst werden, bei dem verschiedene Kanal-Mixe simuliert werden können. Anschließende Simulationen zeigen die höchsten Cross-Channel-Effekte (Spillover) auf. Im Ergebnis ergeben sich konkrete Vorgaben für die Optimierung der Marketingausgaben, basierend auf den besten Ergebnissen aus der Vergangenheit. Diese Vorhersagemodelle funktionieren schon auf Basis einfacher Datenauszüge aus der Transaktions- und Kundendatenbank. Es gibt grundsätzlich zwei verschiedene Arten von Optimierungsmodellen die im Folgenden näher beschrieben werden. Die Kurzerklärung lautet: • Response-Modelle sagen voraus, welche Konsumenten wahrscheinlich auf eine Kampagne oder Werbemittel reagieren • Profilmodelle helfen vielversprechende Audiences zu finden, die ertragreichen bestehenden Kunden ähneln („Look Alike Targeting“). Vorhersagemodelle sind für erfolgreiche Händler ein probates Mittel, unabhängig von beteiligten Agenturprozessen in jedem Vertriebskanal maximale Erträge zu erreichen. Diese zunächst für CLOUDSPACE ANALYTICS | 11 Cloudspace Analytics Predicitve Modelling Fundamentals Response-Modelle Response-Modelle identifizieren Audiences, die Respondern aus vergangenen Akquisitions-Kampagnen ähneln. Um ein Modell zu entwerfen, das vorhersagt, welche Kunden wahrscheinlich auf ein ähnliches Angebot oder Promotion reagieren, werden sowohl Responder- als auch Non-Responder-Daten herangezogen. Response-Modelle eignen sich für Offline- und digitale Kampagnen (z.B. Display-Ads). Sie übertreffen häufig Profil-Modelle, weil sie spezifischer potenzielle Käufer identifizieren. Vor allem dann, wenn potenzielle Käufer über den gleichen Marketingkanal mit einem ähnlichen Angebot beworben werden sollen. Core-Response-Modelle Core-Response-Modelle identifizieren Audiences, die den bereits erfolgreich umgesetzten Aktionen ähneln. Diese Methode benötigt nur die Transaktionsdaten. Sie ist also eine gute Wahl für Händler mit stark begrenzter Kampagnenhistorie. Saisonale-Response-Modelle Saisonale Response-Modelle sind eine spezielle Version eines Core-Response-Modells. Sie identifizieren Verbraucher, die Respondern zu saisonalen Kampagnen ähneln. Dieses Modell eignet sich für Händler, deren Nachfrage oder Produktmix von Saison zu Saison schwankt. Acquisition-Response-Modelle Acquisition-Response-Modelle maximieren Response-Raten und identifizieren potenzielle Responder mit hohen Response-Raten als Schlüsselvariable und Click-Through-Umsatz als wichtige, aber untergeordnete Größe. Dieses Modell wird Händlern empfohlen, die schnell hohe Response-Raten und Kundenwachstum erreichen wollen. CLV-Response-Modelle CLV-Response-Modelle bestimmen potenzielle Käufer, die den höchstwertigen Käufern des Händlers am ähnlichsten sind. Dies geschieht auf der Basis der Analyse von Respondern und Non-Respondern aus vergangenen Aktionen. Dieses Modell liefert Audiences, die wahrscheinlich reagieren und wieder kaufen. Predictive-Activation-Modelle Predictive Activation Modelle bestimmen die Wahrscheinlichkeit, dass ein Besucher zum Kunde wird (Conversion). Produkt-Response-Modelle Produkt-Response-Modelle identifizieren Interessenten, die Kunden ähneln, die in der Vergangenheit ein bestimmtes Produkt oder eine Gruppe von Produkten gekauft haben. Dieses Modell wird für spezifische Angebote eines bestimmten Produkts oder einer bestimmten Produktlinie empfohlen. Wiederholungskäufer-Response-Modelle Wiederholungskäufer-Response-Modelle konzentrieren sich auf Personen, die in Folge einer Neukundengewinnungskampagne gekauft und mindestens einen späteren, zusätzlichen Kauf in einem bestimmten Zeitraum getätigt haben. Dieses Modell eignet sich zur fühen Identifikation von Shoppern, die schnell zu wertvollen Kunden werden können. 12 | CLOUDSPACE ANALYTICS Profil-Modelle Profil-Modelle helfen Einzelhändlern, potenzielle Käufer zu finden, die wünschenswerten Segmenten mit hohen CLV-Werten in der Kundendatenbank ähneln. „Wünschenswert“ sind Kundensegmente dann, wenn sie folgende Merkmale aufweisen: • • • • hohe Bestellwerte überproportionaler Anteil an Premium-Produkten mit höheren Margen im Warenkorb hohe Loyalität (häufigere Wiederholungskäufe, längere Bindung) geringe Preissensibilität Best-Customer-Modelle identifizieren Verbraucher, die den besten Kunden des Einzelhändlers am ähnlichsten sind. Dieses Modell nutzt zahlreiche Variablen und identifiziert Zielgruppen, die tansaktionalen, demographischen und Lifestyle-Merkmalen der Kernklientel des Händlers ähneln. Sämtliche Modelle können für unterschiedlichste Kampagnen im Display-Bereich oder Listmanagement eingesetzt werden: Zwillings-Audience-Kampagnen Durchführen von Zwillings-Audience-Kampagnen zur Gewinnung neuer Leads, die ähnliche Profile wie profitable Kunden aufweisen. Surpression Erhöhen der Effektivität der Audience- oder Retargeting-Kampagnen durch Surpression/Unterdrücken, indem qualitativ schlechtere Audiences von den Neukundenangeboten ausgenommen werden. Behavioral-Kampagnen Nutzen von spezifischen Segmentierungen (Verhaltens-, Marken- oder Produktbasiert) für Verhaltensbasierte-Kampagnen. Reactivation-Kampagnen Reaktivieren von wertvollen aber inaktiven Newsletterempfängern über Display-Ads. CLOUDSPACE ANALYTICS | 13 Die passenden Angebote P ersonalisiertes Marketing hat sich im Onlinehandel als wesentlicher Wettbewerbsfaktor etabliert. Unternehmen, die die Interessen ihrer Besucher und Kunden verfolgen, zielgerichtet analysieren und sofort passende Angebote formulieren können, haben die Nase vorn. Hierfür werden Recommendation Engines, also Analyse- und Datenbank-Technologien zum besseren Targeting von gezielten Produkten, Anzeigen und Diensten für bestimmte Nutzer mit bestimmten Profilattributen genutzt. Denn jedem Händler stellen sich zwei Fragen, wenn Kunden über die vielen Touchpoints mit ihnen in Kontakt treten: • Was ist die beste Maßnahme oder Aktion? • Was ist das passende Angebot? Analytisch geht es zum einen um die Bereitstellung konkreter Aktionsvorgaben – für jeden Kundenkanal im Batchbetrieb oder Echtzeit auf Basis einer Kombination positiver Response und hoher Rendite-Wahrscheinlichkeit. Dies kann beispielsweise in aktivierenden Ansprachen von Kunden im Umfeld von stationären Geschäften 14 | CLOUDSPACE ANALYTICS (location based offers) erfolgen. Im E-Commerce geht es darum, basierend auf Warenkorbanalysen sowie Assoziationsregeln, häufig zusammen erworbene/angesehene Artikel und Inhalte zu identifizieren. Sie dienen zur Personalisierung auf Basis von Produkt- und Content-Empfehlungen für effektivere Produktseiten, Landing Pages, Content-Artikel oder E-Mail-Ansprachen. Diese „next best action“- bzw. „next best offer“-Modelle berbessern das kundenorientierte Marketing, indem sie wie „Tante Emma“ für jeden Kunden einschätzen, was für ihn das „Beste“ ist. In der Praxis reicht die Anwendung in Form von Content-Vorgaben oder dem Aufbau einer einfachen Open Source Recommendation Engine für das CMS, bis zum teilautomatisierten E-Mail-Management. Budgetaufteilung Kundengewinnung und -bindung D ie Maximierung der Kundenrentabilität verlangt, dass bei der Ressourcenallokation, sowohl Vorteile als auch Kosten für Marketing, Vertrieb und Kundeninteraktionen in Betracht gezogen werden. Für viele Unternehmen stellt sich bei der Entwicklung der Marketingpläne die Frage, wie viel für Kundengewinnung und -bindung ausgegeben und wie und wie diese Ausgaben eingesetzt werden sollen. Die optimale Marketingressourcenallokation beantwortet die Fragen: • Wie viel soll investiert werden? • In was? • Was ist hinsichtlich der Gewinnoptimierung die optimale Aufteilung zwischen Kundenakquisition und -bindung? Anspruchsvoll dabei ist, die langfristige Marketing-Effizienz zu beurteilen und die gesamten Marketing-Budgets in die wichtigsten wertgenerierenden Aktivitäten zu investieren. Je nach Ausprägung verschiedener Parameter stellt sich ein optimales Niveau der Kundengewinnung und Kundenbindung ein. Grundlage für ein entsprechendes Vorhersagemodell ist, dass die aufgewendeten Ressourcen zwischen Kundengewinnung und -bindung, möglichst genau zugeordnet werden können. Durch eine Simulation, wie Variationen bestimmter Parameter Akquisitionsraten, Retention-Raten, Kundenrentabilität und ROI beeinflussen, kann die optimale Balance gefunden werden. Bei der Suche nach einem guten Kompromiss zwischen Ausgaben für Akquisition und Bindung kann eine suboptimale Verteilung zu Gunsten der Neukundenakuisition einen größeren Einfluss auf die langfristige Kundenprofitabilität haben, als viele Händler denken. Die Entwicklung einer Kommunikationsstrategie, die auf eine langfristige Kundenrentabilität abzielt, erfordert in der Regel aber auch eine langfristige und ganzheitliche Perspektive auf die Kundenbeziehung. CLOUDSPACE ANALYTICS | 15 Beispiel: Einsatz des Customer Lifetime Value im Modeeinzelhandel Einflussgrößen des CLV nach Kundensegment im Überblick Probierkunden Prognostizierte Monatliche Marge Selektive Kunden Stammkunden 50€ 25€ 0 Durchschnittliche Retention Rate 100% 90% CLV = Marge x Retention Rate – CAC 1 + ( Discount Rate - Retention Rate) 1% Predicted Lifetime Marge ohne Marketingkosten Basis-Vorgaben für Customer Acquisition Costs 3.000€ 1.500€ 0 Probierkunden Quelle: Cloudspace Analytics, company disclosures 16 | CLOUDSPACE ANALYTICS Selektive Kunden Stammkunden Fazit P redictive Analytics ist ein nicht mehr wegzudenkendes Hilfsmittel zur marktorientierten Unternehmensführung im Einzelhandel geworden. Mit dem prognostizierten Kundenlebenswert wird die wichtigste Grundlage für unternehmerischen Erfolg schon in der Neukundengewinnung geschaffen. Dieser auch zur Beurteilung von Audience-Qualitäten wichtige Wert liefert konkrete Vorgaben bei der Budgetzuweisung für sämtliche Akquisitionskanäle und bildet neben anderen Parametern eine wichtige Grundlage für die Kanalorchestrierung. Beginnend mit Möglichkeiten zur verbesserten Kundenmikrosegmentierung und Targeting für mehr Abverkäufe durch Kenntnis der Schlüsselkundensegmente, geeigneteren Ansprachen, passenderer Produkt- und Content- Empfehlungen bis hin zur analytisch abgesicherten Budgetallokation: Analytisch abgesichertes Vorgehen ermöglicht mehr als zielgerichtetes, effizientes Marketing. Vielleicht ist es nicht gleich notwendig, den Ansatz des Marketing-Trichters komplett zu begraben, der den Produktvertrieb in den Betrachtungsmittelpunkt stellt. Will man jedoch heute die Kunden in den Mittelpunkt des Unternehmens stellen, ändert sich die Art und Weise, wie der Trichter gemanagt wird, fundamental. Heute zeigt die Kundenanalyse profitable Strategien auf, wie Shopper und Kunden auf bestehende Angebote reagieren werden. Dies versetzt Marketiers basierend auf den Kommunikationsvorlieben ihrer Kunden und deren Resonanz auf verschiedene Botschaften in die Lage, bessere Angebote und jede spezifische Kundengruppe zu profitablen Erlösquellen zu machen. CLOUDSPACE ANALYTICS | 17 e ya l a ge t y me nt k M ar Lo le s ti n & re S t o s i te b We hts ig Ins g Strateg y Plannin & g R Ma oa pp rchandising Me Sa Inv cturer Demand nufa r Ma endo Forecasting &V ghts Insi Perform an Contr ce ol M y Chain ppl Su Goal Setting g in Assortment Prici Planning Pro ng & mo tio n y tor en t. gm d ry ego t a C mt. Mg 18 | CLOUDSPACE ANALYTICS M an Fr l a ne n Re ud & & a C h ht s n A n tu rn o r g e a ly s nsi mati u st o m C I O ff s is e rin g & to Opti ri e n c e Au mization Expe e nt Engagem Smart|Acquisition Der digitale Weg, „Blickkontakt“ mit potenziellen Käufern aufzunehmen, sie zu verstehen und mit einem richtigen Angebot zielgerichtet anzusprechen wird erst durch Predictive Analytics möglich. Diese Methoden erlauben bessere Budgetplanungen sowie besseres Targeting bei der Akquisition profitabler, neuer Kunden. Effektivere Kundengewinnung mit Data Insights Mit Smart Acquisition haben Sie eine unmittelbar einsetzbare Information an der Hand, die jede Neukundenkampagne profitabel macht und die die wichtigsten Erfolgstreiber für kontinuierliche Verbesserungen in Ihre Hände legt. Kunden richtig segmentieren Kunden nach Einkaufsfreude, Wert und Preisempfindlichkeit in einfach handhabbare Segmente aufteilen (Probierkunden, Selektive Kunden, Schnäppchenjäger, Power Shopper) Kundenwert berechnen Hochpräzise Ausgangsschätzungen für jede Zielgruppe (Predictive Customer Lifetime Value) Kanal- und Audiencevorgaben umsetzen Differenzierte Modelle für bessere Profilierung, Response und Neukundenqualität bei optimierten Budgets (Maximale Kanalausgaben, Profil-/Responsemodelle, Kanalbewertung, Budgetaufteilunf zwischen Akquisition und Retention) Cloudspace Analytics unterstützt Unternehmen mit seiner Expertise, aus Daten Erkenntnisse zu gewinnen, die aus Kunden einzigartige, nachhaltig profitable Erlösquellen machen. Wir bieten Beratungsleistungen rund um marktorientierte Unternehmensführung. Abgesichert durch fortgeschrittene Analysen. Unser Leistungsspektrum reicht von der Analyse und Strategieentwicklung bis zur Umsetzung und Management des Wirkbetriebs. Dabei vereinen wir das Wissen von Nutzen und Nutzung von Datenmodellierung, Marketingwerkzeugen, -maßnahmen und -medien. Unsere Lösungen werden fortdauernd genutzt und entwickeln auf Basis eines reibungslosen Betriebs nachhaltige Relevanz und profitables Wachstum. www.cloudspace-analytics.com +49 (61 96) 921 8096 Impressum Herausgeber Cloudspace Analytics, Don DeVault, Jörg Tschauder, Am Ritterhof 6, D-65760 Eschborn, Deutschland | Copyright 2015 Cloudspace Analytics | Eine Haftung für die Richtigkeit der Angaben kann trotz Prüfung durch die Redaktion vom Herausgeber nicht übernommen werden. Diese Ausgabe, einschließlich aller ihrer Teile und Beiträge, ist urheberrechtlich geschützt. Jede Verwertung bedarf der vorherigen schriftlichen Zustimmung des Herausgebers. +49 6196 921 8096 www.cloudspace-analytics.com 20 | CLOUDSPACE ANALYTICS cloudspace-analytics.com Bonn Frankfurt CLOUDSPACE ANALYTICS | 21 CLOUDSPACE ANALYTICS | 22
